Baovy06
Baovy06
• 在雷暴中保持HODL，月亮时收获果实。 • 位置决定一切。 • 在波浪前保持平静，坚定地站在图表前。
1,020关注中
1,063粉丝
动态
动态
这个世界……
人们因为不愿开口的话而渐行渐远……
所以大家大胆地和Zy说话吧……Zy一直在这里等待和倾听……
P/S 这酒好喝吗，大家 🤭🤭
@quipnetwork @NucleusCodes @sleepagotchi
Baovy06
机器人AI市场目前增长极其迅速。
从以自我为中心的视频数据集、动作捕捉系统、合成数据管线到基于抓手的采集工具……感觉几乎每周都有一家新的机器人数据公司成立。
但真正的问题是：
并非所有类型的数据都适合用于训练机器人。
在收集大量数据之前，最重要的问题应该是：
“你到底在训练机器人做什么？”
PrismaX将物理AI分为两个主要类别：
• 运动学模型 → 专注于低级机器人控制。
比如平衡、跳跃、行走、运动精度。
• 基础模型 → 专注于完成现实世界任务。
比如洗碗、开门、拾取物体、与环境互动。
而PrismaX主要专注于基础模型——因为未来不仅需要会后空翻的机器人。
它需要真正能帮助人类日常生活的机器人。
我觉得有趣的是，PrismaX并不仅仅是在“销售机器人数据”。
他们深入探讨了：
• 哪种数据适合每种模型
• 高质量机器人数据的真正含义
• 数据集中应有哪些变化
• 以及为了更好收敛应保持哪些一致性
目前，机器人行业正在尝试不同的数据采集方式：
• 遥控操作 → 人类远程控制机器人
• 人类视频 → 从人类执行任务的视频中训练
• 抓手系统 → 人类使用带追踪的抓手工具
每种方法都有其优缺点。
但PrismaX认为遥控操作仍然提供最高质量的数据，因为它更可控、更精准，也更易于用于训练基础模型。
我从PrismaX文章中得到的最大启示是：
“机器人不仅仅是AI研究。
它也是一个现实世界的工程问题。”
没有公司拥有无限的资金、无限的机器人或无限的时间来训练模型。
这意味着数据集不仅需要大。
它们需要正确的结构、正确的分布和正确的质量，才能让模型高效学习。
这正是PrismaX为何重点关注受控的高质量机器人数据集，而不是单纯追求规模的原因。
机器人AI市场目前增长极其迅速。
从以自我为中心的视频数据集、动作捕捉系统、合成数据管线到基于抓手的采集工具……感觉几乎每周都有一家新的机器人数据公司成立。
但真正的问题是：
并非所有类型的数据都适合用于训练机器人。
在收集大量数据之前，最重要的问题应该是：
“你到底在训练机器人做什么？”
PrismaX将物理AI分为两个主要类别：
• 运动学模型 → 专注于低级机器人控制。
比如平衡、跳跃、行走、运动精度。
• 基础模型 → 专注于完成现实世界任务。
比如洗碗、开门、拾取物体、与环境互动。
而PrismaX主要专注于基础模型——因为未来不仅需要会后空翻的机器人。
它需要真正能帮助人类日常生活的机器人。
我觉得有趣的是，PrismaX并不仅仅是在“销售机器人数据”。
他们深入探讨了：
• 哪种数据适合每种模型
• 高质量机器人数据的真正含义
• 数据集中应有哪些变化
• 以及为了更好收敛应保持哪些一致性
目前，机器人行业正在尝试不同的数据采集方式：
• 遥控操作 → 人类远程控制机器人
• 人类视频 → 从人类执行任务的视频中训练
• 抓手系统 → 人类使用带追踪的抓手工具
每种方法都有其优缺点。
但PrismaX认为遥控操作仍然提供最高质量的数据，因为它更可控、更精准，也更易于用于训练基础模型。
我从PrismaX文章中得到的最大启示是：
“机器人不仅仅是AI研究。
它也是一个现实世界的工程问题。”
没有公司拥有无限的资金、无限的机器人或无限的时间来训练模型。
这意味着数据集不仅需要大。
它们需要正确的结构、正确的分布和正确的质量，才能让模型高效学习。
这正是PrismaX为何重点关注受控的高质量机器人数据集，而不是单纯追求规模的原因。
本周，@axisrobotics 团队继续改进其机器人数据系统的许多重要部分，从自动任务生成和仿真环境到故障恢复和对象数据增强。
但对 Zy 来说，使一个项目真正走得远的不仅仅是技术本身，还有社区的支持和贡献。
随着 Zy 在 Axis 的时间越长，这种感觉越发真实。
以下是本周 Zy 特别关注的几个更新：
• 任务生成系统已升级，能够更好地理解可用对象、环境布局以及不同机器人形态下的长远工作流程。
• 仿真基础设施现在更加稳定，尤其是在运行长时间任务或同时处理多个对象时。
• 基于社区反馈，机器人控制得到了改进，特别是在抓取、机械臂运动和控制界面方面。
• 最有趣的之一是团队如何利用失败或接近失败的机器人动作作为新的训练数据。这帮助机器人学习如何从错误中恢复，而不仅仅是从成功尝试中学习。
此外，Axis 还与研究团队合作开发对象级数据增强技术。系统可以从单个对象生成多个逼真的变体，以提升训练质量。
Zy 体验该项目已超过一周，坦率说，这过程相当愉快。有些任务有时仍会感觉有些卡顿，但这也教会了耐心和坚持。
至于社区，真的没有什么可抱怨的。每个人都很活跃、支持彼此，并且总是乐于助人。
尤其是今天早上，Zy 和几位社区成员加入了 Discord，开始了一场小型卡拉 OK 聚会 😂 这纯粹是为了娱乐，但不知怎的营造出一种非常温暖和紧密的感觉。正是这样的时刻，真正赋予了社区生命。
希望我们所有人都能继续保持这种积极的能量，互相支持，并一直走到 Axis 旅程的终点 ❤️
非常感谢大家。
Axis AI
Axis Weekly
本周，我们继续加强我们的闭环机器人数据管道，从TaskGen和仿真基础设施到故障恢复和资产级增强。
主要更新：
- 任务生成：我们完成了资产扫描并将其合并到TaskGen中，帮助生成的任务能够推理可用资产、场景布局、长远工作流程和多体现设置。
- 仿真基础设施：我们改进了MuJoCo的验证、重放和场景变体工作流程，修复了重复下载、缓存、兼容性以及长远多资产任务稳定性相关的问题。
- 机器人控制：基于长远和多资产任务的反馈，我们清理了夹持器行为、逆运动学、远程操作和控制面板。
- 故障恢复：我们继续构建一个管道，将失败和接近失败的抓取状态转化为可复用的数据，用于恢复学习。
- 资产增强：与学术合作者一起，我们推进了一种形状增强方向，可以将一个种子资产扩展为多个物理上合理的对象变体。
本周进展的详细介绍 🧵
Baovy06 已转发
Axis Weekly
本周，我们继续加强我们的闭环机器人数据管道，从TaskGen和仿真基础设施到故障恢复和资产级增强。
主要更新：
- 任务生成：我们完成了资产扫描并将其合并到TaskGen中，帮助生成的任务能够推理可用资产、场景布局、长远工作流程和多体现设置。
- 仿真基础设施：我们改进了MuJoCo的验证、重放和场景变体工作流程，修复了重复下载、缓存、兼容性以及长远多资产任务稳定性相关的问题。
- 机器人控制：基于长远和多资产任务的反馈，我们清理了夹持器行为、逆运动学、远程操作和控制面板。
- 故障恢复：我们继续构建一个管道，将失败和接近失败的抓取状态转化为可复用的数据，用于恢复学习。
- 资产增强：与学术合作者一起，我们推进了一种形状增强方向，可以将一个种子资产扩展为多个物理上合理的对象变体。
本周进展的详细介绍 🧵